使用机器学习预测股价

股票价格预测有助于确定未来几天或几周内股票的走势，或者至少显示趋势。股票价格取决于多种因素，例如：

基本因素：收入，利润，市场份额，业务的潜在增长前景

外部因素：大流行病，例如新冠，外汇汇率，石油价格，黄金价格，债券收益率，全球股票市场

技术因素：价格走势，交易量，移动平均线，MACD（移动平均趋同差异），RSI（相对强度指数），MFI（资金流量指数），支点，衍生产品到期日，期权未平仓合约，期货价格

不管有没有这些因素，

股票价格不是随机的，它们的确遵循过去的历史趋势
人为的决定是情感和理性的结合，倾向于查看过去的数据
市场永远是对的。他们只会惩罚错误的决定
贪婪，盲目打电话，高风险的食欲，谨慎行事可以根据时间奖励或惩罚投资者。

在本文中，我们将尝试使用Facebook的Prophet

预测

为了这个分析，我选择了CDSL(印度中央存托服务有限公司)的股票。数据可以从https://www.nseindia.com/get-quotes/equity?symbol=CDSL下载，并点击历史数据。考虑到2020年3月的市场崩盘是一个黑天鹅事件，我取了从2020年4月到2021年4月的一年数据。

import pandas as pd
cdsl = pd.read_csv(‘/Users/ravindraprasad/01-Elicherla/01-DataScience/CDSLApril.csv’

上面的代码是导入_pandas _并下载数据。请在代码中使用适当的文件夹。

CDSL在下面显示带有标题的数据。

列名有一个小问题。以免在列中列出

list(cdsl.columns)

如您所见，在列名的末尾有一个空格

在这里插入图片描述

我正在更改列名

df = cdsl.rename(columns = {‘Date ‘: ‘Date’, ‘series ‘: ‘series’, ‘OPEN ‘: ‘Open’ , ‘HIGH ‘: ‘High’, ‘LOW ‘: ‘Low’, ‘PREV. CLOSE ‘: ‘PREV. CLOSE’, ‘ltp ‘: ‘ltp’, ‘close ‘: ‘close’, ‘vwap ‘: ‘vwap’, ‘52W H ‘: ‘52W H’, ‘52W L ‘: ‘52W L’ , ‘VOLUME ‘: ‘VOLUME’, ‘No of trades ‘:’No of trades’ }, inplace = False)

现在，所有列名称都更改为相同的名称，但没有空格

要使用先知，日期是重要的变量。

cdsl ['Date']

在这里插入图片描述

看起来确实是正确的日期。但是，当我们进行排序时，就会遇到挑战。如您在下面看到的，它没有正确排序。这是因为日期格式不正确。

在这里插入图片描述

现在，让我们更改日期格式。

df[‘Date’] = pd.to_datetime(df.Date,format=’%d-%b-%Y’)
df.sort_values(by=[‘Date’], inplace=True, ascending=True)
df

在这里插入图片描述

现在日期已经整理好了。让我们使用matplotlib绘制数据

from matplotlib import pyplot as plt
import numpy as np
x = df[‘Date’]
y = df[‘ltp’]
plt.plot(x, y)

在这里插入图片描述

现在是时候为先知准备数据了。先知只需要两个变量。我们将使用Date和ltp（这是最后交易价格）

dfdata = df[[“Date”,”ltp”]]
dfdata.rename(columns={“Date”:”ds”}, inplace=True)
dfdata.rename(columns={“ltp”:”y”}, inplace=True)

对于先知，我们需要在上面将其重命名为" ds"和" y"两个变量。在进行预测之前，让我们快速查看数据

在这里插入图片描述

导入先知并使用数据创建模型。

from fbprophet import Prophet
m = Prophet()
m.fit(dfdata)

让我们预测接下来的300天。

future = m.make_future_dataframe(periods=300)
future.tail()

forecast = m.predict(future)
dfforecast= forecast[[“ds”, “yhat”, “yhat_lower”, “yhat_upper”]]
pd.set_option(‘display.max_rows’, dfforecast.shape[0]+1)
dfforecast

在这里插入图片描述

fig1 = m.plot(forecast)

在这里插入图片描述

fig2 = m.plot_components（预测）

在这里插入图片描述

让我们建立交互式图形。

from fbprophet.plot import plot_plotly
import plotly.offline as py
py.init_notebook_mode()
fig = plot_plotly(m, forecast) # This returns a plotly Figure
py.iplot(fig)